Advertisement

国科大数据挖掘课程2024试题回顾-刘莹老师

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
本课程为国科大学提供的数据挖掘系列教学的一部分，由经验丰富的讲师刘莹老师主讲。2024年的试题回顾涵盖了数据处理、算法应用及项目实践等关键领域，旨在帮助学生深入理解并掌握大数据分析的核心技能。 这门课很好，老师也很棒，我从头到尾都很认真地听完了。也非常适合跨专业的同学。 课程内容包括2024年的试题回忆、2024年课件提纲以及学长学姐传下来的一些题目。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 国科大数据挖掘课程2024试题回顾-刘莹老师
    优质
    本课程为国科大学提供的数据挖掘系列教学的一部分，由经验丰富的讲师刘莹老师主讲。2024年的试题回顾涵盖了数据处理、算法应用及项目实践等关键领域，旨在帮助学生深入理解并掌握大数据分析的核心技能。 这门课很好，老师也很棒，我从头到尾都很认真地听完了。也非常适合跨专业的同学。 课程内容包括2024年的试题回忆、2024年课件提纲以及学长学姐传下来的一些题目。
     
  • 国科大刘莹数据挖掘作业2.pdf
    优质
    这是一份来自中国科学院大学（国科大）学生刘莹的数据挖掘课程作业PDF文件，内容包含了数据分析、模型构建及结果讨论等部分。 国科大数据挖掘刘莹作业2.pdf包含了关于数据挖掘的相关练习和分析内容。文档详细记录了学生在课程学习过程中的实践成果与思考。
     
  • 刘莹的国科大数据挖掘课程第一次作业
    优质
    这是刘莹在国科大所修读的一门数据挖掘课程中的首次作业展示。该作业体现了学生对课程初期内容的理解与应用能力。 假设一个数据仓库包含四个维度：日期、观众、地点和比赛，并且有两个度量值：计数和费用，其中费用是指在特定日期观看某场比赛的观众所支付的票价。观众可以是学生、成人或老年人，每个类别都有不同的收费标准。 (a) 请绘制该数据仓库的星型模式图。 (b) 从基础立方体[date, spectator, location, game]开始，请描述应执行哪些具体的OLAP操作以列出在洛杉矶观看比赛的学生观众支付的总费用。 (c) 位图索引是一种非常有用的优化技术。请阐述在这种特定的数据仓库中使用位图索引的优点和缺点。
     
  • 国科大刘莹教师的数据挖掘思维导图.rar
    优质
    本资源为国科大刘莹老师的《数据挖掘思维导图》，涵盖课程核心概念、算法模型及实践案例等内容，适合数据分析和数据科学学习者参考使用。 国科大刘莹老师数据挖掘课件思维导图.rar
     
  • 中科院刘莹老师的第二次数据挖掘作业
    优质
    该简介为中科院刘莹老师布置的第二次数据挖掘课程作业说明，旨在通过实践加深学生对数据挖掘技术的理解和应用能力。 中科院刘莹老师的第二次数据挖掘作业，共享一下！
     
  • 刘莹第三次国科大数据挖掘作业
    优质
    简介：刘莹同学正在进行她的第三次国家级科学与大数据挖掘课程作业，深入探索数据分析技术在科研中的应用。 国科大数据挖掘刘莹第三次作业。
     
  • 国科大刘莹第二次数据挖掘作业
    优质
    这段简介可以描述为：“国科大刘莹第二次数据挖掘作业”是刘莹同学在攻读中国科学技术大学期间完成的一份重要课程作业。该作业深入探索了数据挖掘的相关技术与应用，展现了她在数据分析和处理方面的专业能力。 1. 考虑表1所示的数据集（min_sup = 60%， min_conf=70%）。 (a) 使用Apriori算法找出所有频繁项集，并将每个交易ID视为一个购物篮。 (b) 利用第(a)部分的结果计算关联规则{a, b}→{c}和{c}→{a, b}的置信度。 置信度是相互对称的测量吗？ (c) 根据以下元规则（模式），列出所有强关联规则（支持s和置信度c）。 在此，X代表客户变量，itemi表示商品变量（例如“A”，“B”等）。 表1. 购物篮交易示例 TID | 项目购买 ---|--- T1 | {A, D, B, C} T2 | {D, A, C, E, B} T3 | {A, B, E} T4 | {A, B, D}
     
  • 2020年国科大（中科院）刘莹数据挖掘课程期末考卷
    优质
    这份文档是2020年度中国科学院大学刘莹教授开设的数据挖掘课程期末考试试卷。涵盖了该学期所学的核心知识点和技能应用，旨在全面评估学生对数据科学理论与实践的理解程度。 2020年国科大（中科院）刘莹数据挖掘课程期末考试试卷
     
  • 国科大 数据挖掘试题
    优质
    本资料汇集了中国科学院大学历年的数据挖掘考试题目及解析，旨在帮助学生深入理解数据挖掘的核心概念与应用技巧。适合研究生课程复习和科研人员参考使用。 国科大数据挖掘试题。
     
  • 中国科学院大学刘莹数据挖掘第二次作业.pdf
    优质
    该文档是《数据挖掘》课程在中国科学院大学的教学材料之一，内含学生刘莹完成的第二次作业内容及分析成果。 针对表1所示的数据集（最小支持度为60%，最小置信度为70%）： (a) 使用Apriori算法找出所有频繁项集，并将每个交易ID视为一个购物篮。 (b) 利用第(a)部分的结果计算关联规则{a, b}→{c}和{c}→{a, b}的置信度。置信度是对称测量吗？ (c) 根据以下元规则列出所有强关联规则（具有支持s和置信度c），其中X代表客户，itemi表示商品变量（例如“A”，“B”等）。 对于表1所示的数据集（最小支持度为60%）： (a) 使用FP-Growth算法找出所有的频繁项集，请展示所有FP树及条件模式基。 (b) 比较Apriori和FP-Growth的效率。